一车两牌车辆检测方法及其系统的制作方法
【专利摘要】一种一车两牌车辆检测方法，包括一车两牌车辆确定步骤、证据补充步骤以及信息关联步骤。本发明可实现通过一台抓拍摄像机同时对同一辆车的前后车牌进行抓拍和记录，避免争议的产生，并且通过车头或车尾的车辆牌信息的关联比对，实现了对车头车辆描述信息及驾驶员信息的补充，或车尾车辆描述信息的补充，提供更多有效线索信息，为抓捕工作带来方便。
【专利说明】
一车两牌车辆检测方法及其系统
技术领域
[0001]本发明属于车牌识别技术领域，尤其涉及一种一车两牌车辆检测方法及其系统。
【背景技术】
[0002]目前，交通智能管控中，多依赖单一的电警或者卡口的单向管控。当出现不法分子通过单一的更替、遮挡、损坏，车头或者车尾的车牌逃逸时，将干扰逃逸路线的跟踪，为抓捕工作带来极大困难。
[0003]传统的交通车辆记录设备无法用一台智能抓拍摄像机同时对同一辆车的前后车牌进行抓拍和记录，导致执法证据的不完整性，产生争议。
【发明内容】
[0004]基于此，针对上述技术问题，提供一种一车两牌车辆检测方法及其系统。
[0005]为解决上述技术问题，本发明采用如下技术方案:
[0006]一种一车两牌车辆检测方法，包括:
[0007]—车两牌车辆确定步骤:通过垂直布置于通行道路上方并具有广角镜头的第一视频抓拍摄像机抓拍车辆的车头图片以及车尾图片，从所述车头图片以及车尾图片中识别车牌信息，并对识别出的车头以及车尾的车牌信息进行比对，确定一车两牌车辆；
[0008]证据补充步骤:通过斜向布置于通行道路上方的第二视频抓拍摄像机抓拍车辆的车头图片或车尾图片，从所述车头图片中识别车辆描述信息以及驾驶员人脸抠图信息，或者，从所述车尾图片中识别车辆描述信息，所述第二视频抓拍摄像机与地面呈40-50°角，所述车辆描述信息包括车牌信息、车标信息、车型信息以及车身颜色信息；
[0009]信息关联步骤:将所述一车两牌车辆确定步骤确定的所述一车两牌车辆的车牌信息与所述证据补充步骤获得的车牌信息进行比对，若具有相同的来自车头图片的车牌信息，则关联相应的其余车辆描述信息及驾驶员人脸抠图信息至所述一车两牌车辆;若具有相同的来自车尾图片的车牌信息，则关联其余车辆描述信息至所述一车两牌车辆。
[0010]所述一车两牌车辆确定步骤进一步包括:
[0011 ]第一目标检测:通过所述第一视频抓拍摄像机对经过预设检测区域的车辆进行检测；
[0012]第一目标跟踪:对检测到的车辆进行运动轨迹跟踪；
[0013]第一目标抓拍:通过所述第一视频抓拍摄像机抓拍车辆的车头图片以及车尾图片;
[0014]第一目标识别:对所述车头图片以及车尾图片，先进行车牌目标检测获取车牌位置区域，然后在该车牌位置区域内进行字符分割，最后对分割后的字符进行字符识别，获取车头以及车尾的车牌信息；
[0015]目标比对:对识别出的车头以及车尾的车牌信息进行比对，确定一车两牌车辆。
[0016]所述证据补充步骤进一步包括:
[0017]第二目标检测:通过所述第二视频抓拍摄像机对经过预设检测区域的车辆进行检测，该第二视频抓拍摄像机与地面呈45°角；
[0018]第二目标跟踪:对检测到的车辆进行运动轨迹跟踪；
[0019]第二目标抓拍:通过所述第二视频抓拍摄像机抓拍车辆的车头图片或车尾图片；
[0020]第二目标识别:对所述车头图片或车尾图片进行图像处理，获取所述车头图片或车尾图片中包括纹理、灰度以及方向梯度的特征信息，并将所述特征信息与预先建立的目标样本模型进行匹配，识别出车辆描述信息；
[0021]人脸抠图信息识别:从所述车头图片的上1/2区域，以滑动窗的形式进行多尺度滑动窗口检测，提取所述窗口内包括纹理、灰度以及方向梯度的特征信息，获得驾驶员人脸抠图信息。
[0022]所述第一目标检测步骤以及第二目标检测步骤均采用模型匹配的目标检测算法、基于上下文的目标检测算法或者基于背景建模的目标检测算法，所述第一目标跟踪步骤以及第二目标跟踪步骤均采用基于角点的跟踪算法、基于特征匹配的目标跟踪算法或者基于多子模板匹配的跟踪算法。
[0023]本方案还涉及一种一车两牌车辆检测系统，包括:
[0024]—车两牌车辆确定模块，用于通过垂直布置于通行道路上方并具有广角镜头的第一视频抓拍摄像机抓拍车辆的车头图片以及车尾图片，从所述车头图片以及车尾图片中识别车牌信息，并对识别出的车头以及车尾的车牌信息进行比对，确定一车两牌车辆；
[0025]证据补充模块，用于通过斜向布置于通行道路上方的第二视频抓拍摄像机抓拍车辆的车头图片或车尾图片，从所述车头图片中识别车辆描述信息以及驾驶员人脸抠图信息，或者，从所述车尾图片中识别车辆描述信息，所述第二视频抓拍摄像机与地面呈40-50°角，所述车辆描述信息包括车牌信息、车标信息、车型信息以及车身颜色信息；
[0026]信息关联模块，将所述一车两牌车辆确定步骤确定的所述一车两牌车辆的车牌信息与所述证据补充步骤获得的车牌信息进行比对，若具有相同的来自车头图片的车牌信息，则关联相应的其余车辆描述信息及驾驶员人脸抠图信息至所述一车两牌车辆;若具有相同的来自车尾图片的车牌信息，则关联其余车辆描述信息至所述一车两牌车辆。
[0027]所述一车两牌车辆确定模块内置于所述第一视频抓拍摄像机内，其进一步包括:
[0028]第一目标检测单元，用于通过所述第一视频抓拍摄像机对经过预设检测区域的车辆进行检测；
[0029]第一目标跟踪单元，用于对检测到的车辆进行运动轨迹跟踪；
[0030]第一目标抓拍单元，用于通过所述第一视频抓拍摄像机抓拍车辆的车头图片以及车尾图片；
[0031]第一目标识别单元，用于对所述车头图片以及车尾图片，先进行车牌目标检测获取车牌位置区域，然后在该车牌位置区域内进行字符分割，最后对分割后的字符进行字符识别，获取车头以及车尾的车牌信息；
[0032]目标比对单元，用于对识别出的车头以及车尾的车牌信息进行比对，确定一车两牌车辆。
[0033]所述证据补充模块内置于所述第二视频抓拍摄像机内，其进一步包括:
[0034]第二目标检测单元，用于通过所述第二视频抓拍摄像机对经过预设检测区域的车辆进行检测，该第二视频抓拍摄像机与地面呈45°角；
[0035]第二目标跟踪单元，用于对检测到的车辆进行运动轨迹跟踪；
[0036]第二目标抓拍单元，用于通过所述第二视频抓拍摄像机抓拍车辆的车头图片或车尾图片；
[0037]第二目标识别单元，对所述车头图片或车尾图片进行图像处理，获取所述车头图片或车尾图片中包括纹理、灰度以及方向梯度的特征信息，并将所述特征信息与预先建立的目标样本模型进行匹配，识别出车辆描述信息；
[0038]人脸抠图信息识别单元，用于从所述车头图片的上1/2区域，以滑动窗的形式进行多尺度滑动窗口检测，提取所述窗口内包括纹理、灰度以及方向梯度的特征信息，获得驾驶员人脸抠图信息。
[0039]所述第一目标检测单元以及第二目标检测单元均采用模型匹配的目标检测算法、基于上下文的目标检测算法或者基于背景建模的目标检测算法，所述第一目标跟踪单元以及第二目标跟踪单元均采用基于角点的跟踪算法、基于特征匹配的目标跟踪算法或者基于多子模板匹配的跟踪算法。
[0040]本发明可实现通过一台抓拍摄像机同时对同一辆车的前后车牌进行抓拍和记录，避免争议的产生，并且通过车头或车尾的车辆牌信息的关联比对，实现了对车头车辆描述信息及驾驶员信息的补充，或车尾车辆描述信息的补充，提供更多有效线索信息，为抓捕工作带来方便。
【附图说明】
[0041 ]下面结合附图和【具体实施方式】本发明进行详细说明:
[0042]图1为本发明的一种一车两牌车辆检测方法的原理图；
[0043]图2为本发明的一种一车两牌车辆检测方法的流程图；
[0044]图3为本发明的一种一车两牌车辆检测系统的结构示意图；
[0045]图4为本发明的一种相机抓拍示意图；
[0046]图5为本发明的另一种相机抓拍示意图。
【具体实施方式】
[0047]如图1以及2所示，一种一车两牌车辆检测方法，包括:
[0048]A、一车两牌车辆确定步骤:
[0049]如图4以及图5所示，通过垂直布置于通行道路上方并具有广角镜头的第一视频抓拍摄像机3抓拍车辆5的车头图片以及车尾图片，从车头图片以及车尾图片中识别车牌信息，并对识别出的车头以及车尾的车牌信息进行比对，确定一车两牌车辆。
[0050]广角镜头向下安装，对车辆通行的道路进行全天候监控，广角镜头取景场景中，可清晰看到经过车辆5的全过程，以及车头车牌和车尾车牌信息，可实现通过一台抓拍摄像机同时对同一辆车的前后车牌进行抓拍和记录，避免争议的产生。
[0051 ]具体地，一车两牌车辆确定步骤A进一步包括:
[0052]AOl、第一目标检测:通过第一视频抓拍摄像机3对经过预设检测区域的车辆进行检测。
[0053]A02、第一目标跟踪:对检测到的车辆进行运动轨迹跟踪，以确保后续的目标图片抓拍效果。
[0054]A03、第一目标抓拍:通过第一视频抓拍摄像机3抓拍车辆的车头图片以及车尾图片，车头图片以及车尾图片均为特写图，方便后续目标识别中的特征提取。
[0055]A04、第一目标识别:对车头图片以及车尾图片，先进行车牌目标检测获取车牌位置区域，然后在该车牌位置区域内进行字符分割，最后对分割后的字符进行字符识别，获取车头以及车尾的车牌信息。
[0056]其中，车牌位置检测可选用基于边缘的检测算法，或基于ACF的目标检测算法，字符识别可选用机器学习算法，如Adboos t、S VM等。
[0057]A05、目标比对:对识别出的车头以及车尾的车牌信息进行比对，若车头以及车尾的车牌信息不一致，则可确定一车两牌车辆。
[0058]B、证据补充步骤:
[0059]如图4以及图5所示，用于通过斜向布置于通行道路上方的第二视频抓拍摄像机4抓拍车辆5的车头图片或车尾图片，由于车头可能面朝或者背朝第二视频抓拍摄像机4，故抓拍的是车头图片或车尾图片。
[0060]如图4所示，抓拍的是车头图片时，从车头图片中识别车辆描述信息以及驾驶员人脸枢图1g息。
[0061]或者，如图5所示，抓拍的是车尾图片时，从车尾图片中识别车辆描述信息。
[0062]其中，车辆描述信息同样包括车牌信息、车标信息、车型信息以及车身颜色信息，第二视频抓拍摄像机4与地面呈40-50°角，本实施例优选45°角。
[0063]具体地，证据补充步骤B进一步包括:
[0064]BOl、第二目标检测:通过第二视频抓拍摄像机4对经过预设检测区域的车辆进行检测；
[0065]B02、第二目标跟踪:对检测到的车辆进行运动轨迹跟踪，以确保后续的目标图片抓拍效果。
[0066]B03、第二目标抓拍:通过第二视频抓拍摄像机4抓拍车辆的车头图片或车尾图片，车头图片和车尾图片均为特写图，方便后续目标识别中的特征提取。
[0067]B04、第二目标识别:对车头图片以及车尾图片进行图像处理，获取车头图片或车尾图片中包括纹理、灰度以及方向梯度的特征信息，并将特征信息与预先建立的目标样本模型进行匹配，识别出车辆描述信息，即从车头图片中识别车辆描述信息，或者，从车尾图片中识别车辆描述信息；
[0068]B05、人脸抠图信息识别:从车头图片的上1/2区域，以滑动窗的形式进行多尺度滑动窗口检测，提取窗口内包括纹理、灰度以及方向梯度的特征信息，获得驾驶员人脸抠图信息。
[0069]C、信息关联步骤:
[0070]将一车两牌车辆确定步骤A确定的一车两牌车辆的车牌信息与证据补充步骤B获得的车牌信息进行比对，若具有相同的来自车头图片的车牌信息，则关联相应的其余车辆描述信息及驾驶员人脸抠图信息至所述一车两牌车辆。
[0071 ]若具有相同的来自车尾图片的车牌信息，则关联相应的其余车辆描述信息至一车两牌车辆。
[0072]上述其余车辆描述信息是指车标信息、车型信息以及车身颜色信息。
[0073]上述第一目标检测步骤以及第二目标检测步骤均可采用模型匹配的目标检测算法、基于上下文的目标检测算法或者基于背景建模的目标检测算法。
[0074]基于模型匹配的目标检测算法，检测初期搜集待检测类别目标的样本数据，训练样本数据，提取样本图像特征信息(如:纹理、方向梯度、灰度等)，获得样本模型，检测过正中对获得的视频图像，进行基于图像的特征处理，提取与模型匹配的图像特征信息，并将获取的信息与样本模型数据匹配，输出匹配度高的结果，最终实现对视频图像中运动目标的检测。基于该算法原理的经典检测方法有:HOG、SVM、Harr等。
[0075]基于上下文的目标检测，利用视频图像帧之间的关联性，提取相邻两帧或多帧视频图像间的几何、位置等关联性，实现对运动目标的检测。
[0076]基于背景建模的目标检测，即视频数据处理过程中，先构建检测区域的背景模型，再将拍摄到的视频图像逐帧与该背景模型做背景减法，进而检测出目标前景。该方法背景建模常用算法有基于混合高斯建模的背景建模，或基于贝叶斯建模的背景建模。
[0077]上述第一目标检测单元111以及第二目标检测单元121均可采用模型匹配的目标检测算法、基于上下文的目标检测算法或者基于背景建模的目标检测算法。
[0078]基于角点的跟踪算法，是在检测到运动目标的基础上，提取目标关键特征点，视频图像中，通过目标特征点匹配来实现目标的跟踪。该算法中常用的经典方法为Mean Shift算法。
[0079]基于目标特征匹配的跟踪算法，通过提取跟踪目标的刚性特征，如目标灰度图像、二值分割图像、边缘点、角点、颜色直方图等特征，进行目标跟踪。
[0080]基于多子模板匹配跟踪法，该方法基于多目标模型，在跟踪的过程中，通过匹配误差来判定目标轨迹，结合灰度相关匹配实现目标的长时间持续跟踪。
[0081 ]如图3所示，本发明还涉及一种一车两牌车辆检测系统，包括:
[0082]如图4以及图5所示，一车两牌车辆确定模块110，用于通过垂直布置于通行道路上方并具有广角镜头的第一视频抓拍摄像机3抓拍车辆5的车头图片以及车尾图片，从车头图片以及车尾图片中识别车牌信息，并对识别出的车头以及车尾的车牌信息进行比对，确定一车两牌车辆。
[0083]广角镜头向下安装，对车辆通行的道路进行全天候监控，广角镜头取景场景中，可清晰看到经过车辆5的全过程，以及车头车牌和车尾车牌信息，可实现通过一台抓拍摄像机同时对同一辆车的前后车牌进行抓拍和记录，避免争议的产生。
[0084]具体地，一车两牌车辆确定模块110内置于第一视频抓拍摄像机3内，其进一步包括:
[0085]第一目标检测单元111，用于通过第一视频抓拍摄像机3对经过预设检测区域的车辆进行检测。
[0086]第一目标跟踪单元112，用于对检测到的车辆进行运动轨迹跟踪，以确保后续的目标图片抓拍效果。
[0087]第一目标抓拍单元113，用于通过第一视频抓拍摄像机3抓拍车辆的车头图片以及车尾图片，车头图片以及车尾图片均为特写图，方便后续目标识别中的特征提取。
[0088]第一目标识别单元114，用于对车头图片以及车尾图片，先进行车牌目标检测获取车牌位置区域，然后在该车牌位置区域内进行字符分割，最后对分割后的字符进行字符识另U，获取车头以及车尾的车牌信息。
[0089]其中，车牌位置检测可选用基于边缘的检测算法，或基于ACF的目标检测算法，字符识别可选用机器学习算法，如Adboos t、S VM等。
[0090]目标比对单元115，用于对识别出的车头以及车尾的车牌信息进行比对，若车头以及车尾的车牌信息不一致，则可确定一车两牌车辆。
[0091]证据补充模块120，用于通过斜向布置于通行道路上方的第二视频抓拍摄像机4抓拍车辆5的车头图片或车尾图片，由于车头可能面朝或者背朝第二视频抓拍摄像机4，故抓拍的是车头图片或车尾图片。
[0092]如图4所示，抓拍的是车头图片时，从车头图片中识别车辆描述信息以及驾驶员人脸枢图1g息。
[0093]或者，如图5所示，抓拍的是车尾图片时，从车尾图片中识别车辆描述信息。
[0094]其中，车辆描述信息同样包括车牌信息、车标信息、车型信息以及车身颜色信息，第二视频抓拍摄像机4与地面呈40-50°角，本实施例优选45°角。
[0095]具体地，证据补充模块120内置于第二视频抓拍摄像机4内，其进一步包括:
[0096]第二目标检测单元121，用于通过第二视频抓拍摄像机4对经过预设检测区域的车辆进行检测；
[0097]第二目标跟踪单元122，用于对检测到的车辆进行运动轨迹跟踪，以确保后续的目标图片抓拍效果。
[0098]第二目标抓拍单元123，用于通过第二视频抓拍摄像机4抓拍车辆的车头图片或车尾图片，车头图片和车尾图片均为特写图，方便后续目标识别中的特征提取。
[0099]第二目标识别单元124，用于对车头图片或车尾图片进行图像处理，获取车头图片或车尾图片中包括纹理、灰度以及方向梯度的特征信息，并将特征信息与预先建立的目标样本模型进行匹配，识别出车辆描述信息，即从车头图片中识别车辆描述信息，或者，从车尾图片中识别车辆描述信息；
[0100]人脸抠图信息识别单元125，用于从车头图片的上1/2区域，以滑动窗的形式进行多尺度滑动窗口检测，提取窗口内包括纹理、灰度以及方向梯度的特征信息，获得驾驶员人脸枢图1g息。
[0101]信息关联模块130，用于将一车两牌车辆确定步骤A确定的一车两牌车辆的车牌信息与证据补充步骤B获得的车牌信息进行比对，若具有相同的来自车头图片的车牌信息，则关联相应的其余车辆描述信息及驾驶员人脸抠图信息至所述一车两牌车辆。
[0102]若具有相同的来自车尾图片的车牌信息，则关联相应的其余车辆描述信息至一车两牌车辆。
[0103]上述其余车辆描述信息是指车标信息、车型信息以及车身颜色信息。
[0104]上述第一目标检测单元111以及第二目标检测单元121均可采用模型匹配的目标检测算法、基于上下文的目标检测算法或者基于背景建模的目标检测算法。
[0105]基于模型匹配的目标检测算法，检测初期搜集待检测类别目标的样本数据，训练样本数据，提取样本图像特征信息(如:纹理、方向梯度、灰度等)，获得样本模型，检测过正中对获得的视频图像，进行基于图像的特征处理，提取与模型匹配的图像特征信息，并将获取的信息与样本模型数据匹配，输出匹配度高的结果，最终实现对视频图像中运动目标的检测。基于该算法原理的经典检测方法有:HOG、SVM、Harr等。
[0106]基于上下文的目标检测，利用视频图像帧之间的关联性，提取相邻两帧或多帧视频图像间的几何、位置等关联性，实现对运动目标的检测。
[0107]基于背景建模的目标检测，即视频数据处理过程中，先构建检测区域的背景模型，再将拍摄到的视频图像逐帧与该背景模型做背景减法，进而检测出目标前景。该方法背景建模常用算法有基于混合高斯建模的背景建模，或基于贝叶斯建模的背景建模。
[0108]上述第一目标跟踪单元112以及第二目标跟踪单元122均可采用基于角点的跟踪算法、基于特征匹配的目标跟踪算法或者基于多子模板匹配的跟踪算法。
[0109]基于角点的跟踪算法，是在检测到运动目标的基础上，提取目标关键特征点，视频图像中，通过目标特征点匹配来实现目标的跟踪。该算法中常用的经典方法为Mean Shift算法。
[0110]基于目标特征匹配的跟踪算法，通过提取跟踪目标的刚性特征，如目标灰度图像、二值分割图像、边缘点、角点、颜色直方图等特征，进行目标跟踪。
[0111]基于多子模板匹配跟踪法，该方法基于多目标模型，在跟踪的过程中，通过匹配误差来判定目标轨迹，结合灰度相关匹配实现目标的长时间持续跟踪。
[0112]但是，本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。
【主权项】
1.一种一车两牌车辆检测方法，其特征在于，包括: 一车两牌车辆确定步骤:通过垂直布置于通行道路上方并具有广角镜头的第一视频抓拍摄像机抓拍车辆的车头图片以及车尾图片，从所述车头图片以及车尾图片中识别车牌信息，并对识别出的车头以及车尾的车牌信息进行比对，确定一车两牌车辆； 证据补充步骤:通过斜向布置于通行道路上方的第二视频抓拍摄像机抓拍车辆的车头图片或车尾图片，从所述车头图片中识别车辆描述信息以及驾驶员人脸抠图信息，或者，从所述车尾图片中识别车辆描述信息，所述第二视频抓拍摄像机与地面呈40-50°角，所述车辆描述信息包括车牌信息、车标信息、车型信息以及车身颜色信息； 信息关联步骤:将所述一车两牌车辆确定步骤确定的所述一车两牌车辆的车牌信息与所述证据补充步骤获得的车牌信息进行比对，若具有相同的来自车头图片的车牌信息，则关联相应的其余车辆描述信息及驾驶员人脸抠图信息至所述一车两牌车辆;若具有相同的来自车尾图片的车牌信息，则关联其余车辆描述信息至所述一车两牌车辆。2.根据权利要求1所述的一种一车两牌车辆检测方法，其特征在于，所述一车两牌车辆确定步骤进一步包括: 第一目标检测:通过所述第一视频抓拍摄像机对经过预设检测区域的车辆进行检测； 第一目标跟踪:对检测到的车辆进行运动轨迹跟踪； 第一目标抓拍:通过所述第一视频抓拍摄像机抓拍车辆的车头图片以及车尾图片； 第一目标识别:对所述车头图片以及车尾图片，先进行车牌目标检测获取车牌位置区域，然后在该车牌位置区域内进行字符分割，最后对分割后的字符进行字符识别，获取车头以及车尾的车牌信息； 其中，车牌位置检测可选用基于边缘的检测算法，或基于ACF的目标检测算法，字符识别可选用机器学习算法，如Adboos t、SVM等。 目标比对:对识别出的车头以及车尾的车牌信息进行比对，确定一车两牌车辆。3.根据权利要求2所述的一种一车两牌车辆检测方法，其特征在于，所述证据补充步骤进一步包括: 第二目标检测:通过所述第二视频抓拍摄像机对经过预设检测区域的车辆进行检测，该第二视频抓拍摄像机与地面呈45°角； 第二目标跟踪:对检测到的车辆进行运动轨迹跟踪； 第二目标抓拍:通过所述第二视频抓拍摄像机抓拍车辆的车头图片或车尾图片； 第二目标识别:对所述车头图片或车尾图片进行图像处理，获取所述车头图片或车尾图片中包括纹理、灰度以及方向梯度的特征信息，并将所述特征信息与预先建立的目标样本模型进行匹配，识别出车辆描述信息；即从所述车头图片中识别车辆描述信息，或者，从所述车尾图片中识别车辆描述信息； 人脸抠图信息识别:从所述车头图片的上1/2区域，以滑动窗的形式进行多尺度滑动窗口检测，提取所述窗口内包括纹理、灰度以及方向梯度的特征信息，获得驾驶员人脸抠图信息。4.根据权利要求2或3所述的一种一车两牌车辆检测方法，其特征在于，所述第一目标检测步骤以及第二目标检测步骤均采用模型匹配的目标检测算法、基于上下文的目标检测算法或者基于背景建模的目标检测算法，所述第一目标跟踪步骤以及第二目标跟踪步骤均采用基于角点的跟踪算法、基于特征匹配的目标跟踪算法或者基于多子模板匹配的跟踪算法。5.一种一车两牌车辆检测系统，其特征在于，包括: 一车两牌车辆确定模块，用于通过垂直布置于通行道路上方并具有广角镜头的第一视频抓拍摄像机抓拍车辆的车头图片以及车尾图片，从所述车头图片以及车尾图片中识别车牌信息，并对识别出的车头以及车尾的车牌信息进行比对，确定一车两牌车辆； 证据补充模块，用于通过斜向布置于通行道路上方的第二视频抓拍摄像机抓拍车辆的车头图片或车尾图片，从所述车头图片中识别车辆描述信息以及驾驶员人脸抠图信息，或者，从所述车尾图片中识别车辆描述信息，所述第二视频抓拍摄像机与地面呈40-50°角，所述车辆描述信息包括车牌信息、车标信息、车型信息以及车身颜色信息； 信息关联模块，将所述一车两牌车辆确定步骤确定的所述一车两牌车辆的车牌信息与所述证据补充步骤获得的车牌信息进行比对，若具有相同的来自车头图片的车牌信息，则关联相应的其余车辆描述信息及驾驶员人脸抠图信息至所述一车两牌车辆;若具有相同的来自车尾图片的车牌信息，则关联其余车辆描述信息至所述一车两牌车辆。6.根据权利要求5所述的一种一车两牌车辆检测系统，其特征在于，所述一车两牌车辆确定模块内置于所述第一视频抓拍摄像机内，其进一步包括: 第一目标检测单元，用于通过所述第一视频抓拍摄像机对经过预设检测区域的车辆进行检测； 第一目标跟踪单元，用于对检测到的车辆进行运动轨迹跟踪； 第一目标抓拍单元，用于通过所述第一视频抓拍摄像机抓拍车辆的车头图片以及车尾图片； 第一目标识别单元，用于对所述车头图片以及车尾图片，先进行车牌目标检测获取车牌位置区域，然后在该车牌位置区域内进行字符分割，最后对分割后的字符进行字符识别，获取车头以及车尾的车牌信息；目标比对单元，用于对识别出的车头以及车尾的车牌信息进行比对，确定一车两牌车辆。7.根据权利要求6所述的一种一车两牌车辆检测系统，其特征在于，所述证据补充模块内置于所述第二视频抓拍摄像机内，其进一步包括: 第二目标检测单元，用于通过所述第二视频抓拍摄像机对经过预设检测区域的车辆进行检测，该第二视频抓拍摄像机与地面呈45°角； 第二目标跟踪单元，用于对检测到的车辆进行运动轨迹跟踪； 第二目标抓拍单元，用于通过所述第二视频抓拍摄像机抓拍车辆的车头图片或车尾图片; 第二目标识别单元，对所述车头图片或车尾图片进行图像处理，获取所述车头图片或车尾图片中包括纹理、灰度以及方向梯度的特征信息，并将所述特征信息与预先建立的目标样本模型进行匹配，识别出车辆描述信息； 人脸抠图信息识别单元，用于从所述车头图片的上1/2区域，以滑动窗的形式进行多尺度滑动窗口检测，提取所述窗口内包括纹理、灰度以及方向梯度的特征信息，获得驾驶员人脸枢图1g息。8.根据权利要求6或7所述的一种一车两牌车辆检测系统，其特征在于，所述第一目标检测单元以及第二目标检测单元均采用模型匹配的目标检测算法、基于上下文的目标检测算法或者基于背景建模的目标检测算法，所述第一目标跟踪单元以及第二目标跟踪单元均采用基于角点的跟踪算法、基于特征匹配的目标跟踪算法或者基于多子模板匹配的跟踪算法。
【文档编号】G06K9/00GK105893953SQ201610191818
【公开日】2016年8月24日
【申请日】2016年3月30日
【发明人】刘丹, 张如高, 王剑邦, 彭莉, 王运节, 虞正华
【申请人】上海博康智能信息技术有限公司